鲜于建川 肖光年

(上海电机学院商学院1) 上海 201306) (上海海事大学经济管理学院2) 上海 201306)

0 引 言

通勤出行是人们关于居住环境和位置、职业和工作地两方面选择的体现，不同居住区位和类型的居民，其出行行为存在显著差异[1]．居住地、工作地选择与通勤者出行不是相互孤立的，这些选择本身及其之间的相互作用对城市交通、土地利用和发展有着深远的影响．

城市规划和交通分析领域的学者在居住地选择及其通勤出行行为影响方面进行了大量研究．已有研究大都在居住地或工作地为系统外生变量的假设下分析另一区位选择及其对通勤出行的影响[2-4]．居住地和工作地选择相互独立的假设未必对所有出行者成立，也不利于对居住和工作地实际选择行为及其出行行为影响的研究[5]．随着居住地选择和出行行为分析领域研究工作的深入，居住地和工作地属性及其相对空间关系对出行行为的作用被大量实证研究所证实[6-8]．然而，由于分析建模方法的限制，将居住地、工作地和出行选择纳入同一模型系统的研究仍很有限．

具有分层结构的nested logit(NL)模型可以分析离散选择变量之间的相互影响，其结构简单、参数易于标定[9]，但NL模型要求预先准确设定选择问题的分层结构，且对于离散选择变量间相互影响的研究也仅局限于两个选择维度，无法同时考虑居住地、工作地和出行三个选择维度之间的相互影响．广义极值模型(GEV)是离散选择建模技术的重大进步，为研究出行选择行为及其不同选择维度之间的相互影响和制约关系提供了新的视角．GEV模型保留了选择概率的解析形式，其结构灵活多样，在空间选择、出行选择及其相互依赖关系的研究中得到应用．

为了更准确的刻画居住地、工作地区位与通勤出行方式的联合选择行为，文中将围绕空间选择与出行选择之间的相互作用，构造基于GEV模型的交叉分层Logit(CNL)模型，分析居住地选择、工作地选择和通勤出行方式选择，研究居住地和工作地选择之间的相互关联和制约关系，及其对通勤出行方式选择的影响．

1 基于CNL的联合选择建模

1.1 CNL模型结构

GEV模型由McFadden在随机效用最大化的基础上推导得出．假设决策者n从I个方案组成的选择集An中选择方案i的效用为Uni(i=1,2,…,I)，可以表示为确定项Vni和随机项εni之和．GEV模型假设所有选择方案随机项εn<εn1,εn2,…,εnI>联合分布为一般极值分布：

Fεn1,εn2,…，εnI(yn1,yn2,…ynI)=e-G(e-yn1,e-yn2,…，e-ynI)

(1)

式中：G(·)为生成函数，具有如下形式.

(2)

式中：K为选择方案分层数；Bk为所有属于第k层选择方案所组成的集合．根据GEV模型理论，在CNL模型中选择概率Pi(为简化符号，在下标中省去表示决策者的字母n)为

(3)

式中：Pk为选择方案位于第k层的概率；Pi|k为第k层中方案i的选择概率，为

(4)

方案i属性l对选择概率Pi的直接弹性为

(5)

式中：xil为方案i在属性l上的取值；βl为其在效用函数中对应的参数．对选择概率Pj的交叉弹性如下.

(6)

1.2 联合选择模型设定

为分析居住地、工作地和通勤出行方式联合选择行为，同时考虑选择方案在上述三个维度上的相关性，将模型的选择项集合定义为居住地子集R、工作地子集W、通勤出行方式子集M的组合．考虑城市中心与外围区域在用地模式、房价和可达性方面的差异，研究中将城市空间划分为3个区域，即市中心、市区、市郊．因此，居住地子集和工作地子集各包括3个选择肢，即：R={r1,r2,r3},R={w1,w2,w3}．通勤出行方式子集包括3个选择肢，即：非机动方式(步行/自行车，m1)、公共交通(m2)和小汽车(m3)．组合选择模型的最终选择集合C为居住地子集R、工作地子集W、通勤出行方式子集A各选择方案的所有可能组合，包含N=3×3×3=27个备择方案．

每个选择方案都与一个居住地选择肢、一个工作地选择肢和一个出行方式选择肢对应，每个选择子集中仅被选中的方案对应分配参数不为0．组合方案3个选择参数之和为1，故全部组合选择共对应27×2=54个分配参数．为降低参数估计工作量，参考相关文献[10]，将非零分配参数设定为均等的常数1/3．此外，将各选择维度的一个选择方案固有常数标准化为0，其他选择方案固有常数作为模型参数，得到6个待估计的选择方案固有常数．模型结构见图1．

图1 基于CNL的联合选择模型结构

2 居住地、工作地、通勤出行方式组合选择分析

2.1 研究数据

数据来源于北京市2005年居民出行调查数据库，样本量为17 460人．以二环路和四环路为边界，二环路向内的区域为市中心，二环路和四环路之间的区域为市区，四环路向外的区域为市郊．表1为样本居住地和工作地区位的分布情况．由表1可知:约半数居民的居住地和工作地位于同一区位，其余样本的将居住地和工作地也相对靠近．在房价、生活便利性和可达性的综合影响下，市区是人们居住和工作的首选地，其次是市中心和市郊；对于市郊的居民，市区的工作较市中心更有吸引力．表2为样本典型社会经济属性的分布情况．

表1 样本居住地和工作地区位分布(样本量17 460)

表2 样本社会经济属性(样本量17 460)

表3为不同居住地和工作地的通勤者出行方式分布．3种不同出行方式在样本中分布较均匀．当工作和居住地位于同一区位时，非机动方式是常用的通勤出行方式；当工作和居住地位于不同区位时，人们更多的选择公交和小汽车方式上下班；在公交欠发达的城市周边区域，人们更多依赖小汽车完成长距离出行．

表3 样本通勤出行方式分布 单位：%

2.2 模型标定结果及分析

综合考虑模型准确性和简洁性，经过筛选后的模型变量见表4，包含3类解释变量．出行者社会经济属性变量，描述了不同出行者群体选择偏好差异；空间属性变量(数据来源于文献[11])，描述了不同区位的工作和居住吸引力；出行属性变量，包括直接影响出行方式选择的出行时间和费用．模型参数标定采用计量经济学软件BIOGEME 2.2完成．参数估计值符合居民实际选择行为，且都在95%的置信度下显著．

表4 模型参数标定结果

出行者社会经济属性变量参数标定结果与样本社会经济属性统计结果一致．模型参数表明，工作性质是居住和工作地区位选择的重要影响因素，专业工作人士倾向于在市中心居住和工作．月收入的影响为正，再次验证了高收入群体倾向于在市中心和市区居住和工作．家庭小汽车是另一重要影响因素，表现出正的影响．小汽车能满足长距离通勤出行需求，使得拥有小汽车的家庭对居住地和工作地区位的选择更灵活，其通勤成员更倾向于选择驾车上下班．

小区属性表现出不同于社会经济属性变量的影响．居住人口密度对区位选择的影响为负，在人口密度相当时，工作机会多的区域其工作吸引力更高；Asc1和Asc2的正号也同样表明，相比于市郊，大部分居民选择在市中心和市区工作；区域平均工资的正影响和平均房价的负影响从收入和生活成本的角度反映了这两方面对工作和居住区选择的影响相反．

出行时间和出行费用对组合选择有显著负影响，解释了居民倾向于将居住地和工作地相互就近安排的实际选择偏好．从时间和费用参数绝对数值计算得到样本的平均通勤出行时间价值约为26.25元/h，与同类研究结果接近．

从模型异质性参数来看，居住地区位、工作地区位和通勤出行方式三个选择维度上的参数取值都较低，表明这三方面选择方案均有较高的相关性．其中，出行方式选择维度的异质性最高，表明不同出行方式之间相对独立．因此，当模型变量取值改变引起各选择方案效用变化时，出行者会在居住地、工作地区位和通勤方式中首先调整出行方式选择以适应变化后的环境．

出行时间和出行费用对公共交通和小汽车通勤选择概率的直接和交叉效用分析结果见表5．直接弹性的分析表明，随着居住地和工作地之间距离的增加，通勤出行时间弹性也相应上升，且小汽车通勤出行上升更快．这表明，随着通勤出行距离的增加，人们对通勤出行时间的越敏感，并对小汽车通勤选择有更大影响．出行费用变化对选择行的影响与出行时间变化类似，但大小不同．出行费用对公交通勤选择的影响大于对小汽车通勤选择的影响，特别是当通勤出行距离较长时．比较出行时间和出行费用的弹性值可知，通勤者对出行时间变化的敏感度大于对出行费用的敏感度．出行时间和费用的交叉弹性系数取值都较低，表明由于公共交通(或小汽车)通勤出行时间(或费用)引起的小汽车(公共交通)通勤出行选择概率变化可以忽略．

表5 出行时间和出行费用弹性

3 结 束 语

居住地、工作地区位与出行行为相互关联，居住地、工作地和出行行为选择本身及其之间的相互作用对城市交通、土地利用和发展有着深远的影响，这一领域的研究对交通规划和管理工作有重要意义．

文中基于广义极值理论构建交叉分层Logit模型，以居住地选择子集、工作地选择子集和通勤出行方式选择子集的组合作为模型的选择集，刻画了居住地、工作地区位与通勤出行方式联合选择行为．模型选取出行者社会经济属性、空间特征、出行成本为解释变量，利用实际居民出行调查数据和社会经济统计数据，完成了模型参数估计，通过弹性分析讨论了效用变量对联合选择行为的影响．研究表明，居住地、工作地和通勤出行方式选择之间有显著相互影响，人口密度、房价、工作性质和收入、出行成本是重要影响因素，当上述因素发生改变时出行者会优先调整其出行方式而非区位选择．高收入者倾向于位于城市中心的工作和居住地，小汽车拥有者表现出更灵活的工作和居住地选择，能适应长距离通勤出行需求．

现有模型方法还不够完善，后续研究还需考虑：①通勤出行是人们关于居住环境和位置、职业和工作地两方面选择的体现，通常是夫妻双方在上述两方面选择意愿的综合体现．如果以家庭为研究单位，将能更准确描述家庭成员在居住和工作区位及通勤出行行为决策方面的相互影响和制约；② 扩充空间区位选择集和出行方式选择集，以便更深刻的揭示不同居住和工作区位之间及其对出行方式选择的影响．